- 博客(85)
- 收藏
- 关注
RSS订阅原创 深入理解Spring AI Alibaba的MCP Node：构建智能AI应用的核心组件
MCP Node是Spring AI Alibaba图计算框架中的一个关键节点，它充当AI大语言模型与外部工具之间的智能协调器。通过MCP Node，我们可以轻松地将自然语言查询转换为对多个工具的协调调用，并将结果整合成统一的响应。配置驱动：通过YAML配置灵活定义节点和工具关系动态发现：运行时自动发现和加载相关工具智能协调：AI模型智能识别和协调多个工具调用状态管理：统一的状态管理和更新机制可观测性：完整的日志记录和监控支持。
2025-07-25 22:27:51
435
原创 构建交互式 AI 工作流：Spring AI Alibaba Graph 实战解析
在当今的 AI 应用开发中，简单的请求-响应模式已无法满足复杂场景的需求。许多任务需要多步骤处理、状态管理，甚至需要人工介入来审核或指导流程。Spring AI Alibaba Graph 模块为我们提供了一套强大的工具，用于构建和管理这种复杂的、状态驱动的 AI 工作流。本文将通过一个具体的示例——一个带有人工反馈环节的查询处理流程，深入解析如何使用 Spring AI Alibaba Graph 来构建、执行和管理此类交互式 AI 应用。
2025-07-25 21:01:33
975
原创 Manus七大核心技术：上下文工程架构设计
随着AI智能体技术的指数级演进，如何构建高效且可扩展的智能体系统架构，已成为人工智能领域技术攻坚的核心命题。本文基于Manus联合创始人兼首席科学家季逸超（Yichao 'Peak' Ji）于7月19日发表的深度技术论文《Context Engineering for AI Agents: Lessons from Building Manus》，对AI智能体上下文工程的关键技术路径与行业实践进行了系统性梳理与解读。
2025-07-21 09:29:57
838
原创 DeepWiki：GitHub 代码库的 AI 驱动交互式文档平台
DeepWiki 是由 AI 独角兽公司（原 Devin 团队）于 2025 年 4 月推出的开源工具，定位为“GitHub 仓库的免费百科全书”。它通过分析代码、README 和配置文件，自动生成结构化技术文档、交互式图表，并提供对话式 AI 助手，帮助开发者快速理解项目结构与逻辑。目前，DeepWiki 已索引超过 3 万个 GitHub 仓库，处理了超 40 亿行代码（约 1000 亿 Token），累计投入超 30 万美元计算成本，但对开源项目完全免费，无需注册即可访问。
2025-07-18 23:43:33
1120
原创 Spring AI Alibaba（十二）nl2sql
包通过自然语言到SQL的转换，解决了传统查询系统的灵活性瓶颈。未来，随着插件化架构的完善和多模态交互的引入，NL2SQL有望成为企业数据分析领域的标配工具。用户只需输入自然语言（如“查询北京地区近3个月销量超过100的家电产品”），系统即可自动生成对应SQL并执行。的设计模式，例如提供“近1年”、“近半年”等预设时间范围选项。：固定查询条件难以覆盖用户复杂多变的需求，而开放SQL编辑功能又对用户技术门槛要求过高。负责将数据库表结构向量化并存储至向量数据库。负责执行生成的 SQL 并返回结果。
2025-07-15 21:33:36
1007
原创 Spring AI Alibaba（十一）Prompts Template管理
通过Nacos动态管理提示词，开发者可彻底摆脱“修改提示词→打包→部署”的低效循环，实现AI应用的敏捷迭代。在开发AI应用时，提示词（Prompt）的优化是提升模型输出质量的关键环节。本文将介绍两种动态管理提示词的解决方案，并深入解析基于Nacos的配置管理实践，助你实现提示词的实时更新与集中管控。将提示词模板存储于数据库（如MySQL、PostgreSQL），应用启动时加载至内存，运行时按需获取。提示词更新频率较低（如每周/每日），且团队对实时性要求不高时，该方案可快速落地。高（需维护Nacos集群）
2025-07-15 21:11:24
442
原创 Spring AI Alibaba（十）重排序Re-ranking
重排序模型是专为评估文档与查询相关性而设计的模型，通常基于对比学习或语义相似度计算（如BERT的孪生网络结构）。降低了集成门槛，开发者只需关注配置与业务逻辑即可享受开箱即用的优化效果。未来，随着动态调整策略和多模态支持的完善，重排序将在更广泛的AI应用中发挥价值。重排序技术通过精细化筛选与排序文档，显著提升了RAG系统的输出质量。在**检索增强生成（RAG）**系统中，重排序是提升模型输出质量的关键优化环节。，封装了完整的重排序流程，开发者仅需配置即可使用。字段，但单独封装可明确职责，便于扩展。
2025-07-15 20:57:52
748
原创 Spring AI Alibaba（九）Memory
通过上述对比可见，Spring AI和Spring AI Alibaba的JDBC扩展包各有侧重，开发者需根据数据库生态、运维能力及扩展需求选择合适方案。Spring AI和Spring AI Alibaba均提供了基于JDBC的聊天记忆存储实现（该依赖默认包含JDBC、Redis、Elasticsearch的自动装配逻辑。支持增删改查（保存/查询/删除对话记录）同Spring AI，但新增表初始化逻辑。继承模式（每个数据库独立子类实现）自动检查并创建表（若不存在）封装JDBC存储，结合。
2025-07-15 20:49:40
523
1
原创 Spring AI Alibaba（八）向量存储
通过上述扩展，Spring AI Alibaba为企业提供了国产化、高性能的向量数据库解决方案，填补了Spring AI在本土化场景中的技术空白。，在国内场景中可能面临部署成本高、生态适配性差等问题。，旨在适配阿里云生态及国内企业需求，提供高性能、低成本的本地化解决方案。Spring AI Alibaba向量存储的实现基于统一的。（如Redis、Elasticsearch等），但。尽管Spring AI官方支持。接口，其核心逻辑封装在专有包的。实现向量存储与检索的核心逻辑。过滤）转换为SQL查询语句。
2025-07-15 17:32:16
555
原创 Spring AI Alibaba（七）ToolCallback
通过上述分层解析，可清晰把握从基础工具调用（ToolCallback）到高级智能体（Agent）的演进脉络，开发者可根据业务需求选择合适的技术组合。动态从MCP Server获取。动态插件市场、跨服务协作。客户端←→大模型←→工具。工具结果直通大模型输出。需定制化逻辑的复杂系统。快速构建标准化智能服务。
2025-07-14 14:04:50
976
原创 Spring AI Alibaba（六）DocumentReader和DocumentParser
Spring AI Alibaba 的模块通过模块化设计实现了多平台文档的高效读取。开发者只需引入依赖、配置权限（如需）、调用 API 即可完成数据提取，底层通过接口实现平台与格式解耦，为复杂场景提供灵活扩展。结合 RAG 技术，该能力可进一步赋能企业知识库构建，显著提升生成式 AI 的上下文质量。
2025-07-14 09:01:22
797
原创 Spring AI Alibaba（五）外部工具集成
定义 Function 实现类@Override// 实现业务逻辑注册为 Bean@Bean调用工具Spring AI Alibaba 通过模块化设计实现了灵活的外部工具集成能力。开发者只需遵循依赖引入、配置声明、工具调用三步流程，即可快速对接高德地图、天气服务等 40+ 插件。通过源码分析还可发现，其底层基于Function接口和自动配置机制，为自定义工具开发提供了清晰的扩展路径。未来可进一步探索多工具协同调用、异步执行等高级特性，构建更智能的企业级 AI 应用。
2025-07-14 02:00:00
800
原创 Spring AI Alibaba （四）文本切分与检索优化
Spring AI Alibaba 的和极大地提升了 RAG 应用的文本处理与检索能力。前者通过语言模型精准切分文本，后者通过灵活接口适配多源数据检索，二者结合可显著优化生成式 AI 的上下文构建效率。开发者可根据业务需求选择合适的切分策略，并结合生态组件构建高效的知识增强系统。
2025-07-13 20:38:43
1357
原创 Spring AI Alibaba （三）大模型配置详解
Spring AI Alibaba 提供了多层次的配置能力，开发者可通过配置文件、代码初始化或运行时动态调整灵活对接百炼平台大模型。然而，由于文档缺失及部分配置约束（如 API Key 依赖），建议优先参考源码及自动配置类，并结合实际场景验证参数效果。
2025-07-13 20:28:03
791
原创 Spring AI Alibaba（二）核心 JAR 包分类详解
Spring AI Alibaba 通过模块化设计实现了从基础模型调用到企业级应用的全链路支持。开发者应根据业务场景选择合适组件，并关注版本兼容性问题。随着生态持续演进，其将进一步降低 AI 应用开发门槛。
2025-07-13 20:18:08
1279
原创 Spring AI Alibaba（一）概述
是一款基于 Spring AI 构建的开源 AI 框架，深度集成阿里云百炼平台，支持 ChatBot、工作流、多智能体等高级应用开发模式。Spring AI Alibaba 通过深度整合 Spring 生态与阿里云百炼平台，为 Java 开发者提供了高效构建企业级 AI 应用的完整工具链。无论是初学者还是资深开发者，都能通过其模块化设计快速实现从单体到分布式 AI 应用的演进。下一步探索Spring AI Alibaba 官网获取最新文档。关注社区案例，实践多智能体协作与复杂工作流编排。
2025-07-13 19:59:54
1166
原创 Spring AI 1.0.0 学习汇总
Spring AI是方便快速开发AI上层应用的脚手架，可以在不了解大模型底层原理的条件下快速开发基于大模型的AI应用。适合场景及人群适合java技术栈开发人员，类似的还有langchain4j更适合有一定开发经验的技术人员，无开发经验的更推荐字节的coze或dify。适合有一定定制化需求的场景，通用场景可以使用coze，dify等低代码平台。
2025-07-13 00:21:44
1006
原创 AI Agent ReAct架构设计模型剖析
ReAct通过"思考-行动-观察"循环运作：智能体先进行自然语言推理，再调用外部工具执行行动，观察结果后继续推理直至解决问题。这种架构提高了透明度和准确性，减少幻觉风险，使LLM能主动分解任务并利用外部数据源。实现关键在于精心设计的提示模板，引导LLM按结构化格式响应，而非依赖模型固有能力。
2025-07-01 17:40:51
732
原创 AI Agent长期记忆系统架构设计
大语言模型（LLM）存在"记忆缺陷"问题，Mem0系统通过动态提取和智能更新机制构建长期记忆，有效解决了传统扩大上下文窗口方案带来的信息丢失、噪声干扰及高成本问题。Mem0采用向量数据库实现高效检索，升级版Mem0-g则通过知识图谱处理复杂关系。
2025-06-29 22:56:59
1106
原创 基于PDF的大模型信息提取流程
摘要：针对PDF论文信息提取中的DOI和收稿日期准确性问题，分析发现主要源于PDF布局复杂性及大模型对元数据的关注不足。
2025-06-27 11:11:22
522
原创 RAG架构设计
RAG（检索增强生成）是一种结合信息检索与文本生成的LLM技术框架，通过外部知识库提升模型性能。其核心是数据工程中的文档分块技术，直接影响信息抽取和生成质量。文章介绍了五种分块方法：1）固定大小分块（简单但易打断语义）；2）语义分块（基于语义单元保持流畅性）；3）递归分块（先自然分隔再细分）；4）基于文档结构分块（对齐文档逻辑结构）；5）基于LLM分块（语义准确但计算量大）。
2025-06-26 21:32:44
771
原创 AI Agent架构设计演化过程和关键技术
本文梳理了AI智能体架构的演化历程，从早期LLMAgent到具备记忆、规划和工具使用能力的AIAgent，再到多智能体协作系统。关键技术包括FunctionCalling（工具调用）、MCP（统一交互协议）和A2A（智能体间通信）。其中FunctionCalling是大模型的基础能力，MCP实现跨模型工具调用标准化，A2A规范多智能体协作。在实际应用中，MCP适合结构化任务，A2A更适用于复杂协作场景。随着AI发展，这些协议可能趋于融合，构建更高效的智能体生态系统。
2025-06-25 10:30:36
1028
原创 如何写好提示词
提示（Prompt）是输入给大语言模型的文本信息，用于明确地告诉模型想要解决的问题或完成的任务，也是模型理解需求并生成相关、准确内容的基础。此外，值得注意的是，除了精心设计的 prompt 外，用户提供的反馈和修正也是获取模型最佳输出的关键因素之一。在公司实习感受下来，提示词确实非常重要，提示词越好精确，大模型理解业务能力越强，包括目前很多源码框架其实也是内置提示词要求返回对应的输出，比如Spring AI alibaba的结构化输出。构建一个清晰具体的 Prompt 是充分发挥大模型能力的最重要一步。
2025-06-24 16:09:28
797
原创 AI Agent核心技术
本文系统介绍了AI智能体核心技术体系，包括9个关键模块：1）AI智能体架构（提示词+上下文工程）；2）工作流机制解决复杂任务；3）RAG技术增强知识检索；4）Function Calling实现API调用；5）MCP协议标准化工具集成；6）Fine-tuning微调方法；7）AgenticAI多智能体协作架构；8）A2A跨框架通信协议；9）AG-UI人机交互标准。这些技术共同构建了新一代智能系统的核心能力，涵盖了从知识获取、任务分解到多智能体协同的完整技术链，为AI应用落地提供了标准化解决方案。
2025-06-23 21:13:29
969
原创 Python之ImportError: DLL load failed: 找不到指定的模块问题解决
首先先是试了网上各种解决方法：1.配置系统环境变量 2.重新下载Pillow包 3.python和Pillow包不匹配 4.配置pycharm环境变量等方法，全部都没有用 大概试了四小时。于是乎，卸载anaconda重新下载anaconda（第二次的版本也稍微低了几个版本，不知道是不是这个坑），不勾选第一个选项然后自己重新配置anaconda环境变量就有用了。突然意识到会不会anaconda的问题，回头看安装anconda的步骤，突然想到。
2023-10-21 18:46:45
1972
原创 PAT 1040 Longest Symmetric String
2.i表示字串的长度，如果s[j]==s[k]，只要s[j+1][k-1]是回文字符串，那么s[j]到s[k]也就是，如果不是，则也不是。1.dp[i][j]表示s[i]至s[j]所表示的子串是否是回文子串，1表示是，0表示否。4.这一题遍历长度比较合适，但不是最优解法，还有更好的解法继续加油！=s[k]，那么肯定不是回文子串。
2023-03-15 12:21:28
95
原创 PAT 1045 Favorite Color Stripe
2.一般的状态转移方程是:①a[i]==b[j] 时dp[i][j]=dp[i-1][j-1]+1②a[i]!=b[j] max(dp[i-1][j],dp[i][j-1])因为这里可以重复，比如“ABBC"和”AABC"最长公共子序列“AABBC",所以要做一些修改，详见代码25-28。2.dp[i]表示以a[i]结尾的最长不下降子序列长度，最小也是本身1，状态转移方程dp[i]=max{1,dp[j]+1},dp[j]是i之前的序列。
2023-03-15 11:15:33
111
原创 PAT 1007 Maximum Subsequence Sum
2.dp思路，如果dp[i-1]+a[i]>dp[i],则更新dp[i]=dp[i-1]+a[i]，说明前i-1个元素中的序列和加上这个元素大于单独这个元素的和。否则就更新dp[i]=a[i]，应该从当前元素开始了。**题意：**找出数组中连续序列的最大和，如果有重复就输出i和j小的序列，注意输出是ai和aj，如果全是负数则输出0，首和尾。1.用s[i]表示以a[i]结尾的序列是从哪个元素开始的。如果不是，说明dp[i]和dp[i-1]是同一个起点，那么s[i]=s[i-1]
2023-03-15 10:31:50
141
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人